CN114331198A - 工单分配方法、设备及存储介质 - Google Patents
工单分配方法、设备及存储介质 Download PDFInfo
- Publication number
- CN114331198A CN114331198A CN202111683417.9A CN202111683417A CN114331198A CN 114331198 A CN114331198 A CN 114331198A CN 202111683417 A CN202111683417 A CN 202111683417A CN 114331198 A CN114331198 A CN 114331198A
- Authority
- CN
- China
- Prior art keywords
- work order
- processor
- distributed
- historical
- work
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种工单分配方法、设备及存储介质,属于计算机技术领域。其包括:获取待分配工单和预设权责清单;将待分配工单和预设权责清单输入预先训练的处理方识别模型,得到处理方识别结果;在处理方识别结果指示无法确定出待分配工单对应的工单处理方的情况下,获取历史工单分配信息;将待分配工单和历史工单分配信息输入预先训练的处理方推荐模型,得到处理方推荐结果。可以解决面对成千上万份工单,仅依靠分单人员进行分单,工作量庞大,会导致分单效率较低的问题,提高工单分配的效率。
Description
技术领域
本申请属于计算机技术领域,具体涉及一种工单分配方法、设备及存储介质。
背景技术
为了保证工单能够及时处理,以及各部门或单位的流畅写作,需要在规定时间内将工单分配给适合处理的部门或单位,因此,快速的工单分配方法至关重要。
传统的分单方法,包括:分单人员按照待分配工单的内容,在梳理好的各部门或者单位的权责清单中,确定出适合处理待分配工单的部门或者单位,将待分配工单移交给该部门或者单位。
然而,面对成千上万份工单,如果仅依靠分单人员进行分单,工作量庞大,会导致分单效率较低的问题。
发明内容
本申请提供了工单分配方法、设备及存储介质,可以解决面对成千上万份工单,仅依靠分单人员进行分单,工作量庞大,导致分单效率较低的问题。本申请提供如下技术方案:
第一方面,提供了一种工单分配方法,包括:获取待分配工单和预设权责清单;所述预设权责清单包括多个工单处理方、以及每个工单处理方对应的可处理事件;所述待分配工单包括待处理事件的描述信息;将所述待分配工单和所述预设权责清单输入预先训练的处理方识别模型,得到处理方识别结果;所述处理方识别模型使用第一训练数据训练得到,所述第一训练数据包括第一样本工单、所述预设权责清单和所述第一样本工单对应的实际处理方;在所述处理方识别结果指示无法确定出所述待分配工单对应的工单处理方的情况下,获取历史工单分配信息,所述历史工单分配信息包括多个历史工单、以及每个历史工单对应的历史处理方;将所述待分配工单和所述历史工单分配信息输入预先训练的处理方推荐模型,得到处理方推荐结果;所述处理方推荐模型使用第二训练数据训练得到,所述第二训练数据包括第二样本工单、所述第二样本工单对应的推荐处理方和所述历史工单分配信息。
可选地,述处理方推荐结果包括至少一个推荐处理方以及所述至少一个推荐处理方对应的相似度值;所述相似度值用于指示所述至少一个推荐处理方处理所述待分配工单的适合度。
可选地,所述将所述待分配工单和所述历史工单分配信息输入预先训练的处理方推荐模型,得到处理方推荐结果,包括:将所述历史工单分配信息中的多个历史工单分别与所述待分配工单进行相似度匹配,得到每个历史工单与所述待分配工单的相似度值;获取预设相似度值;在所述多个历史工单中,确定相似度值大于或等于预设相似度值的历史工单,得到相关历史工单;确定所述相关历史工单对应历史处理方,得到相关处理方;获取预设排序方式;基于所述预设排序方式以及所述相关历史工单对应的相关处理方和相似度值,生成所述处理方推荐结果。
可选地,所述得到处理方推荐结果之后,还包括:将所述处理方推荐结果发送至指定的设备中。
可选地,所述将所述待分配工单和所述预设权责清单输入预先训练的处理方识别模型,得到处理方识别结果,包括:将所述待分配工单中的描述信息与所述预设权责清单进行文本匹配,确定出与所述描述信息相匹配的相关可处理事件;确定所述相关可处理事件对应的工单处理方,得到所述处理方识别结果。
可选地,得到所述处理方识别结果之后,还包括:在所述处理方识别结果指示能够确定出所述待分配工单对应的工单处理方的情况下,将所述待分配工单分配给所述待分配工单对应的工单处理方。
可选地,所述处理方识别模型使用第一训练数据训练得到,包括:将所述第一训练数据输入预先设置的文本匹配模型中,训练得到所述处理方识别模型。
可选地,所述处理方推荐模型使用第二训练数据训练得到,包括:将所述第二训练数据输入预先设置的相似度计算模型中,训练得到所述处理方推荐模型。
第二方面,提供一种电子设备,包括存储器、控制器以及存储在存储器上并可在控制器上运行的计算机程序,所述控制器执行所述计算机程序时实现上述工单分配方法的步骤。
第三方面,提供一种计算机可读存储介质,所述存储介质中存储有程序,所述程序被处理器执行时用于实现第一方面提供的工单分配方法。
本申请的有益效果至少包括:获取待分配工单和预设权责清单;将待分配工单和预设权责清单输入预先训练的处理方识别模型,得到处理方识别结果;在处理方识别结果指示无法确定出待分配工单对应的工单处理方的情况下,获取历史工单分配信息;将待分配工单和历史工单分配信息输入预先训练的处理方推荐模型,得到处理方推荐结果。可以解决面对成千上万份工单,仅依靠分单人员进行分单,工作量庞大,会导致分单效率较低的问题;通过将待分配工单、预设权责清单输入预先训练的处理方识别模型,得到处理方识别结果,根据处理方识别结果指示确定待分配工单的处理方,无需人工分配待分配工单,可以提高工单分配的效率;同时,在处理方识别结果指示未能确定出处理方的情况下,将待分配工单和历史工单分配信息输入预先训练的处理方推荐模型,得到处理方推荐结果,可以提高工单分配的成功率。
附图说明
为了更清楚地说明本申请具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见,下面描述中的附图是本申请的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请一个实施例提供的用于工单分配方法的流程图;
图2是本申请一个实施例提供的工单分配装置的框图;
图3是本申请一个实施例提供的电子设备的框图。
具体实施方式
下面将结合附图对本申请的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。下文中将参考附图并结合实施例来详细说明本申请。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。
在本申请中,在未作相反说明的情况下,使用的方位词如“上、下、顶、底”通常是针对附图所示的方向而言的,或者是针对部件本身在竖直、垂直或重力方向上而言的;同样地,为便于理解和描述,“内、外”是指相对于各部件本身的轮廓的内、外,但上述方位词并不用于限制本申请。
下面对本申请提供的工单分配方法进行详细介绍。
如图1所示,本申请的实施例提供一种工单分配方法,该方法的实现可依赖于计算机程序,该计算机程序可运行于智能手机、平板电脑、个人电脑等计算机设备或者运行于服务器,本实施例不对该方法的运行主体作限定。该方法至少包括以下几个步骤:
步骤101,获取待分配工单和预设权责清单。
本实施例中,预设权责清单包括多个工单处理方、以及每个工单处理方对应的可处理事件;待分配工单包括待处理事件的描述信息。
其中,工单处理方可以为个人或者多人组成的部门,工单处理方对应的可处理事件包括可处理事件的具体内容以及工单处理方负责的具体区域;处理事件的描述信息用于描述需要处理事件的具体内容。
比如:待处理事件为违章停车,待处理事件的描述信息包括违章停车以及违章停车的地址、时间等信息。
步骤102,将待分配工单和预设权责清单输入预先训练的处理方识别模型,得到处理方识别结果。
其中,处理方识别模型使用第一训练数据训练得到,第一训练数据包括第一样本工单、预设权责清单和第一样本工单对应的实际处理方。
可选地,第一样本工单包括但不限于已经完成分配的历史工单或者根据预设权责清单设置的虚拟工单,本实施例不对第一样本工单的实现方式作限定。
具体地,处理方识别模型使用第一训练数据训练得到,包括:将第一训练数据输入预先设置的文本匹配模型中,训练得到处理方识别模型。
可选地,文本匹配模型可以为深度语义模型(Deep Structured SemanticModels,DSSM)或者密集交互推理网络模型(Densely Interactive Inference Network,DIIN、)本实施例不对文本匹配模型的实现方法作限定。
将待分配工单和预设权责清单输入预先训练的处理方识别模型,得到处理方识别结果,包括:将待分配工单中的描述信息与预设权责清单进行文本匹配,确定出与描述信息相匹配的相关可处理事件;确定相关可处理事件对应的工单处理方,得到处理方识别结果。
其中,处理识别结果包括相关事件对应的处理方。
在实际实施时,得到处理方识别结果之后,还包括:在处理方识别结果指示能够确定出待分配工单对应的工单处理方的情况下,将待分配工单分配给待分配工单对应的工单处理方。
步骤103,在处理方识别结果指示无法确定出待分配工单对应的工单处理方的情况下,获取历史工单分配信息。
其中,历史工单分配信息包括多个历史工单、以及每个历史工单对应的历史处理方。
历史工单为已经分配完成的工单,历史工单对应的历史处理方为该历史工单分配的处理方。
步骤104,将待分配工单和历史工单分配信息输入预先训练的处理方推荐模型,得到处理方推荐结果。
在本实施例中,处理方推荐结果包括至少一个推荐处理方以及至少一个推荐处理方对应的相似度值。其中,相似度值用于指示至少一个推荐处理方处理待分配工单的适合度。
比如:相似度值为90%,则该相似度值对应推荐处理方处理待分配工单的适合度也为90%;相似度值为80%,则该相似度值对应推荐处理方处理待分配工单的适合度也为80%
另外,处理方推荐模型使用第二训练数据训练得到,第二训练数据包括第二样本工单、第二样本工单对应的推荐处理方和历史工单分配信息。
其中,第二样本工单与第一样本工单可以相同或不同;
具体地,处理方推荐模型使用第二训练数据训练得到,包括:将第二训练数据输入预先设置的相似度计算模型中,训练得到处理方推荐模型。
可选地,相似度计算模型可以为向量空间模型(Vector Space Model,VSM)或者双边多视角匹配模型(bilateral multi-perspective matching,BiMPM),本实施例不对相似度计算模型的实现方式作限定。
在实际实施时,可能会出处理方识别结果无法确定工单处理方的情况,比如:在预设权责清单中的多个可处理事件中,没有确定出与待分配工单中的描述信息相匹配的可处理事件,或者匹配出多个与待分配工单中的描述信息相匹配的可处理事件,此时,还需要将历史工单分配信息和待分配工单输入到预先训练的处理方推荐模型,得到包括至少一个推荐处理方的推荐列表。
具体地,将待分配工单和历史工单分配信息输入预先训练的处理方推荐模型,得到处理方推荐结果,包括:将历史工单分配信息中的多个历史工单分别与待分配工单进行相似度匹配,得到每个历史工单与待分配工单的相似度值;获取预设相似度值;在多个历史工单中,确定相似度值大于或等于预设相似度值的历史工单,得到相关历史工单;确定相关历史工单对应的历史处理方,得到相关处理方;获取预设排序方式;基于预设排序方式以及相关历史工单对应的相关处理方和相似度值,生成处理方推荐结果。
其中,预设相似度值为预先设置的相似度值,预设排序方式为预先设置的排序方式。
可选地,预设相似度值包括但不限于90%、80%或者75%等,本实施例不对预设相似度值的实现方式作限定。
可选地,预设排序方式包括按照相似度值进行排序,例如将第一大相似度值对应的工单处理方放在第一位、将第二大相似度对应的工单处理方放在第二位,本实施例不对预设排序方式的实现方式作限定。
可选地,得到处理方推荐结果之后,还包括:将处理方推荐结果发送至指定的设备中。
综上所述,本实施例提供的工单分配方法,获取待分配工单和预设权责清单;将待分配工单和预设权责清单输入预先训练的处理方识别模型,得到处理方识别结果;在处理方识别结果指示无法确定出待分配工单对应的工单处理方的情况下,获取历史工单分配信息;将待分配工单和历史工单分配信息输入预先训练的处理方推荐模型,得到处理方推荐结果。可以解决面对成千上万份工单,仅依靠分单人员进行分单,工作量庞大,会导致分单效率较低的问题;通过将待分配工单、预设权责清单输入预先训练的处理方识别模型,得到处理方识别结果,根据处理方识别结果指示确定待分配工单的处理方,无需人工分配待分配工单,可以提高工单分配的效率;同时,在处理方识别结果指示未能确定出处理方的情况下,将待分配工单和历史工单分配信息输入预先训练的处理方推荐模型,得到处理方推荐结果,可以提高工单分配的成功率。
本实施例提供一种工单分配装置,如图2所示,该装置包括至少以下几个模块:第一获取模块210、第一结果生成模块220、第二获取模块230和第二结果生成模块240。
第一获取模块210,用于获取待分配工单和预设权责清单;
第一结果生成模块320,用于将待分配工单和预设权责清单输入预先训练的处理方识别模型,得到处理方识别结果;
第二获取模块230,用于在处理方识别结果指示无法确定出待分配工单对应的工单处理方的情况下,获取历史工单分配信息;
第二结果生成模块240,用于将待分配工单和历史工单分配信息输入预先训练的处理方推荐模型,得到处理方推荐结果。
相关细节参考上述方法和系统实施例。
需要说明的是:上述实施例中提供的工单分配装置在进行工单分配时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将工单分配装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的工单分配装置与工单分配方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
本实施例提供一种电子设备,如图3所示。该电子设备至少包括处理器301和存储器302。
处理器301可以包括一个或多个处理核心,比如:4核心处理器、8核心处理器等。处理器301可以采用DSP(Digital Signal Processing,数字信号处理)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)、PLA(Programmable Logic Array,可编程逻辑阵列)中的至少一种硬件形式来实现。处理器301也可以包括主处理器和协处理器,主处理器是用于对在唤醒状态下的数据进行处理的处理器,也称CPU(Central ProcessingUnit,中央处理器);协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中,处理器301可以在集成有GPU(Graphics Processing Unit,图像处理器),GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中,处理器301还可以包括AI(Artificial Intelligence,人工智能)处理器,该AI处理器用于处理有关机器学习的计算操作。
存储器302可以包括一个或多个计算机可读存储介质,该计算机可读存储介质可以是非暂态的。存储器302还可包括高速随机存取存储器,以及非易失性存储器,比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中,存储器302中的非暂态的计算机可读存储介质用于存储至少一个指令,该至少一个指令用于被处理器301所执行以实现本申请中方法实施例提供的工单分配方法。
在一些实施例中,电子设备还可选包括有:外围设备接口和至少一个外围设备。处理器301、存储器302和外围设备接口之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口相连。示意性地,外围设备包括但不限于:射频电路、触摸显示屏、音频电路、和电源等。
当然,电子设备还可以包括更少或更多的组件,本实施例对此不作限定。
可选地,本申请还提供有一种计算机可读存储介质,计算机可读存储介质中存储有程序,程序由处理器加载并执行以实现上述方法实施例的工单分配方法。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
显然,上述所描述的实施例仅仅是本申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下,可以做出其它不同形式的变化或变动,都应当属于本申请保护的范围。
Claims (10)
1.一种工单分配方法,其特征在于,所述方法包括:
获取待分配工单和预设权责清单;所述预设权责清单包括多个工单处理方、以及每个工单处理方对应的可处理事件;所述待分配工单包括待处理事件的描述信息;
将所述待分配工单和所述预设权责清单输入预先训练的处理方识别模型,得到处理方识别结果;所述处理方识别模型使用第一训练数据训练得到,所述第一训练数据包括第一样本工单、所述预设权责清单和所述第一样本工单对应的实际处理方;
在所述处理方识别结果指示无法确定出所述待分配工单对应的工单处理方的情况下,获取历史工单分配信息,所述历史工单分配信息包括多个历史工单、以及每个历史工单对应的历史处理方;
将所述待分配工单和所述历史工单分配信息输入预先训练的处理方推荐模型,得到处理方推荐结果;所述处理方推荐模型使用第二训练数据训练得到,所述第二训练数据包括第二样本工单、所述第二样本工单对应的推荐处理方和所述历史工单分配信息。
2.根据权利要求1所述的方法,其特征在于,所述处理方推荐结果包括至少一个推荐处理方以及所述至少一个推荐处理方对应的相似度值;所述相似度值用于指示所述至少一个推荐处理方处理所述待分配工单的适合度。
3.根据权利要求1所述的方法,其特征在于,所述将所述待分配工单和所述历史工单分配信息输入预先训练的处理方推荐模型,得到处理方推荐结果,包括:
将所述历史工单分配信息中的多个历史工单分别与所述待分配工单进行相似度匹配,得到每个历史工单与所述待分配工单的相似度值;
获取预设相似度值;
在所述多个历史工单中,确定相似度值大于或等于预设相似度值的历史工单,得到相关历史工单;
确定所述相关历史工单对应的历史处理方,得到相关处理方;
获取预设排序方式;
基于所述预设排序方式以及所述相关历史工单对应的相关处理方和相似度值,生成所述处理方推荐结果。
4.根据权利要求1至3任一项所述的方法,其特征在于,所述得到处理方推荐结果之后,还包括:
将所述处理方推荐结果发送至指定的设备中。
5.根据权利要求1所述的方法,其特征在于,所述将所述待分配工单和所述预设权责清单输入预先训练的处理方识别模型,得到处理方识别结果,包括:
将所述待分配工单中的描述信息与所述预设权责清单进行文本匹配,确定出与所述描述信息相匹配的相关可处理事件;
确定所述相关可处理事件对应的工单处理方,得到所述处理方识别结果。
6.根据权利要求5所述的方法,其特征在于,所述得到所述处理方识别结果之后,还包括:
在所述处理方识别结果指示能够确定出所述待分配工单对应的工单处理方的情况下,将所述待分配工单分配给所述待分配工单对应的工单处理方。
7.根据权利要求1所述的方法,其特征在于,所述处理方识别模型使用第一训练数据训练得到,包括:
将所述第一训练数据输入预先设置的文本匹配模型中,训练得到所述处理方识别模型。
8.根据权利要求1所述的方法,其特征在于,所述处理方推荐模型使用第二训练数据训练得到,包括:
将所述第二训练数据输入预先设置的相似度计算模型中,训练得到所述处理方推荐模型。
9.一种电子设备,其特征在于,所述设备包括处理器和存储器;所述存储器中存储有程序,所述程序由所述处理器加载并执行以实现如权利要求1至8任一所述的工单分配方法。
10.一种计算机可读存储介质,其特征在于,所述存储介质中存储有程序,所述程序被处理器执行时用于实现如权利要求1至8任一所述的工单分配方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111683417.9A CN114331198A (zh) | 2021-12-31 | 2021-12-31 | 工单分配方法、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111683417.9A CN114331198A (zh) | 2021-12-31 | 2021-12-31 | 工单分配方法、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114331198A true CN114331198A (zh) | 2022-04-12 |
Family
ID=81022034
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111683417.9A Pending CN114331198A (zh) | 2021-12-31 | 2021-12-31 | 工单分配方法、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114331198A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115641090A (zh) * | 2022-11-07 | 2023-01-24 | 北京北明数科信息技术有限公司 | 事项分发方法、系统、计算机设备及介质 |
-
2021
- 2021-12-31 CN CN202111683417.9A patent/CN114331198A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115641090A (zh) * | 2022-11-07 | 2023-01-24 | 北京北明数科信息技术有限公司 | 事项分发方法、系统、计算机设备及介质 |
CN115641090B (zh) * | 2022-11-07 | 2023-11-07 | 北京北明数科信息技术有限公司 | 事项分发方法、系统、计算机设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110321958A (zh) | 神经网络模型的训练方法、视频相似度确定方法 | |
CN114416352A (zh) | 算力资源分配方法、装置、电子设备及储存介质 | |
CN111309825A (zh) | 数据聚类的存储方法、装置及计算机可读存储介质 | |
CN109388458A (zh) | 界面控件的管理方法、终端设备及计算机可读存储介质 | |
CN111949795A (zh) | 工单自动分类方法及装置 | |
CN111931809A (zh) | 数据的处理方法、装置、存储介质及电子设备 | |
CN109213978A (zh) | 一种合并单元格的方法、装置、电子设备及可读存储介质 | |
CN112507431A (zh) | 基于bim模型的智能审图方法、装置及存储介质 | |
CN114519521A (zh) | 一种资源调度方法、装置、计算机设备及存储介质 | |
CN113435859A (zh) | 信访件处理方法、装置、电子设备和计算机可读介质 | |
CN114331198A (zh) | 工单分配方法、设备及存储介质 | |
CN111813517A (zh) | 任务队列的分配方法、装置、计算机设备及介质 | |
CN114707002A (zh) | 灾害应急决策生成方法、装置、设备及存储介质 | |
CN114461384A (zh) | 任务执行方法、装置、计算机设备和存储介质 | |
CN117057935A (zh) | 基于领域设计的数据处理方法、装置、设备及其存储介质 | |
CN107071553A (zh) | 一种修改视频语音的方法、装置和计算机可读存储介质 | |
CN106528141A (zh) | 任务清除方法及系统 | |
CN110544166A (zh) | 样本生成方法、装置及存储介质 | |
CN115185625A (zh) | 基于可配置卡片的自推荐式界面更新方法及其相关设备 | |
CN113890948B (zh) | 基于语音外呼机器人对话数据的资源分配方法及相关设备 | |
CN115564578B (zh) | 欺诈识别模型生成方法 | |
CN115016735A (zh) | 一种分布式缓存系统的控制方法、装置及介质 | |
CN114240973A (zh) | 图纸分割方法、设备及存储介质 | |
CN114676272A (zh) | 多媒体资源的信息处理方法、装置、设备及存储介质 | |
CN114091400A (zh) | 一种pcb线路自动布线方法、装置及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |